接着上一篇写,上篇结尾提到的一个点感兴趣的童鞋很多,就是信息分成快慢两期之后,怎么样进行合成。这边我列一个书里面的小例子供大家参考吧,学习思想。
01
移动平均和自相关性
上次有提到一个自相关性的公式,直接截图了
这里上次写的比较简洁,可以再仔细观察一下,合成因子的自相关性表达式里,分子上,包括两个因子的自相关性、两个因子的跨期互相关性,分母上位两个因子的同期互相关性。也就是说,两个单因子同期的互相关性越低,合成因子的自相关性越强,跨期的互相关性越高,合成因子的自相关性越高。你品,你细品。
上次也提到,moving average可以增加自相关性,具体能加到什么程度呢,假设有M个因子,每个都做L期的移动平均。
看上去很复杂, 书上给了一个简单例子,M=2,L=1
这种情况下,计算合成的Fc的自相关性,这里把从第t-1期到第t+1期,单因子F1、F2的相关性矩阵定义位C,主要是表达方便
分别取C的左上、右上的4x4矩阵,记为C4,D4
可以推导出合成因子的协方差、方差表达式如下
这里
从而可以推出
这个式子非常重要,对后文。那么如果是多因子多滞后期的情况,也可以用类似的方式进行推导
02
Optimal Alpha Model Under Turnover Constraints
有了上面自相关性的表达式后,可以推导出最优的alpha模型。也就是决定上面的因子权重v要怎么给。从逻辑上分析,对慢因子,他的滞后期信息量也很高,可以给较高的权重,对快因子,滞后期就免了。而我们最常用的等权的方式,实际上是只用了所有因子当期的值来赋权,滞后期没有给权重,这肯定不是最优的。
接下来给出了一个在约束换手条件下的最优模型
优化目标是最大化因子的ICIR,约束条件是控制因子的自相关性,控制自相关性实际上就是约束换手,之前提过换手和自相关性的关系式,推导见上一篇
公式就是这些,看上去有些抽象,举个例子
两个因子,第一个因子的9-1的动量因子记为PM,高IR但也高换手,衰减快,另一个是EP因子,低IR但也低换手,因子IC、ICIR衰减情况如下图
计算两个因子及滞后项的IC相关性矩阵,特征和刚才提到的类似
记下来求解因子的权重,模型唯一未知的参数是约束条件里的自相关性,这里从0.85-0.97进行遍历,对结果进行分析
信息量是比较大的,细细品,列几个点
最后总结一下
首先,前面两个因子合成的最优化模型看上去有一些道理,但细想了一下,要自己做还是比较复杂的,自相关性的推导,即使是2个因子,文章里实际上只有滞后两期的,如果再多加几期,或者多加几个因子,这个表达式不那么好算,所以可能还不如直接一根均线来的好,可能就只赢在一手逻辑清晰。
其次,所有的推导都是基于多空假设的,国内纯多头的约束下,改善有多少,还需要再测试。